模式识别主成分分析和变换.pptVIP

模式识别主成分分析和变换;;K-L变换;K-L变换;K-L变换;K-L变换;K-L变换;K-L变换;K-L变换;K-L变换典型应用;K-L变换典型应用;K-L变换典型应用;使用K-L变换进行特征提取;;题目: 主成分分析 PCA;内 容;1. 前 言;PCA; (1) 如何作主成分分析? 当分析中所选择的变量具有不同的量纲，变量水平差异很大，应该选择基于相关系数矩阵的主成分分析。 ;各个变量之间差异很大; （2） 如何选择几个主成分。 主成分分析的目的是简化变量，一般情况下主成分的个数应该小于原始变量的个数。关于保留几个主成分，应该权衡主成分个数和保留的信息。 （3）如何解释主成分所包含的几何意义或经济意义或其它。 ; 美国的统计学家斯通(Stone)在1947年关于国民经济的研究是一项十分著名的工作。他曾利用美国1929一1938年各年的数据，得到了17个反映国民收入与支出的变量要素，例如雇主补贴、消费资料和生产资料、纯公共支出、净增库存、股息、利息、外贸平衡等等。; 根据经济学知识，斯通给这三个新变量分别命名为总收入F1、总收入变化率F2和经济发展或衰退的趋势F3。更有意思的是，这三个变量其实都是可以直接测量的。; 主成分分析就是试图在力保数据信息丢失最少的原则下，对这种多变量的数据表进行最佳